采用卷积神经网络的老年人跌倒检测系统设计

• 作者: 倪益华 吕艳 姜吴昊 张萌 钱小鸿
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 跌倒检测 手机传感器 卷积神经网络(CNN) 深度学习
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 机械与能源工程
• 页码范围: 1130-1138
• 页数: 9页
• 分类号: TP391
• 字数: 5865字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2019.06.012

摘要

为了利用便携式设备准确检测老年人的跌倒状况,针对传统算法中人为设计特征造成的不完备性,构建一种基于卷积神经网络(CNN)的老年人跌倒检测模型.以智能手机内置的三轴传感器作为数据获取源,将采集的人体姿态信息进行滤波、标准化、采样等操作后,输入到所设计的模型中;采用梯度下降和适应性动量优化方法进行多层卷积神经网络训练和优化,获得模型关键参数训练并优化模型关键参数;利用学习到的深层次特征进行样本分类.实验结果表明:所设计的模型对于跌倒检测的准确率明显高于一般的机器学习算法模型,并且在对跌倒和非跌倒的区分检测中,精确率和召回率都保持了较高的稳定水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪益华	浙江农林大学工程学院	28	71	5.0	6.0
2	吕艳	浙江农林大学工程学院	14	24	3.0	4.0
6	姜吴昊	浙江农林大学工程学院	4	8	2.0	2.0
7	张萌	浙江农林大学工程学院	5	13	3.0	3.0
8	钱小鸿	银江股份有限公司银江研究院	3	7	2.0	2.0